Методы осреднения в задачах кластеризации больших данных

У кластерного анализа очень широкий спектр применения, его методы используются в медицине, химии, археологии, маркетинге, геологии и других дисциплинах. Кластеризация состоит в объединении в группы схожих объектов, и эта задача является одной из фундаментальных в области интеллектуального анализа данных. Обычно под кластеризацией понимается разбиение заданного множества точек некоторого метрического пространства на подмножества таким образом, чтобы близкие точки попали в одну группу, а дальние - в разные. В данной работе предлагается метод локального осреднения для вычисления плотности распределения данных как точек в метрическом пространстве. Выбирая далее срезы множества точек по определенному уровню плотности, мы получаем разбиение на кластеры. Предложенный метод предлагает устойчивое разбиение на кластеры и свободен от ряда недостатков, присущих известным методам кластеризации.